AI系统可将蛋白质序列“翻译”成文字

以色列理工学院和特拉维夫大学研究团队开发出一种名为BetaDescribe的AI系统，可将蛋白质序列“翻译”成文字，自动生成对蛋白质功能、特性等信息的描述，为理解蛋白质功能开辟了新路径，有望加速药物研发和新材料设计。相关成果发表于最新一期《美国国家科学院院刊》。

示例蛋白质（AI生成）。图片来源：以色列理工学院

蛋白质分析是医学和生物技术发展的重要基础。例如，治疗肥胖症和糖尿病等疾病的药物Ozempic，其研发灵感便来源于一种沙漠稀有蜥蜴唾液中的肽。然而，传统蛋白质功能鉴定高度依赖实验，周期长、成本高。大型语言模型此前在这项任务上的表现也并不理想。

为解决这一难题，研究团队开发了BetaDescribe。这是一种能将蛋白质序列“翻译”成自然语言并进行描述的AI系统，不仅可解释蛋白质功能，还能描述其他重要特征。借助该系统，科学家有望更快理解自然界中海量未知蛋白质，缩小已完成实验表征的数十万种蛋白质与实际存在的数十亿甚至数万亿种蛋白质之间的认知鸿沟。

与依赖已知蛋白质序列相似性的传统方法不同，BetaDescribe结合了生成式模型、验证机制和评估流程，即使面对与已知蛋白质没有明显相似性的蛋白质，也能推断其功能。此外，该系统还能提供蛋白质功能特性、催化活性、参与的代谢过程以及潜在结合位点等详细信息，为医学和生物技术研究提供更加全面的参考。

通过实验验证该系统的有效性，团队对6种此前从未被表征的蛋白质进行了功能描述。

研究团队表示，这项技术有望加速医学研究、药物发现以及生物和农业技术领域的进展。通过快速生成有证据支持的未知蛋白质功能假设，可显著缩短基础研究向医学和工业应用转化的时间，提高生物学研究效率。